12.1. Conditions requises pour la description d’observations ou de mesures expérimentales¶

L’ensemble des mesures du système physique que l’on considère sont appelées « des observations », ou même simplement « une observation ». Comme cela a déjà été mentionné dans [DocT] Une brève introduction à l’Assimilation de Données et à l’Optimisation, cette observation est notée de manière la plus générique par :

$\mathbf{y}^o$

Elle peut dépendre en général de l’espace et du temps, voire de variables paramétriques, et cela de manière plus ou moins complexe. On particularise usuellement la dépendance en temps en considérant que, à chaque instant, la quantité $\mathbf{y}^o$ est un vecteur de $\mbox{I\hspace{-.15em}R}^d$ (avec la dimension $d$ de l’espace pouvant éventuellement varier en temps). Autrement dit, une observation est une série (temporelle) de mesures (variées). On parlera donc de manière équivalente d’une observation (vectorielle), d’une série ou d’un vecteur d’observations, et d’un ensemble d’observations. Dans sa plus grande généralité, l’aspect séquentiel de la série d’observations est relatif conjointement à l’espace, et/ou au temps, et/ou à une dépendance paramétrique.

On peut classer les manières de représenter l’observation en fonction des usages que l’on en a ensuite et des liens avec les méthodes algorithmiques. Le classement que l’on propose est le suivant, dont chaque catégorie est détaillée ensuite :

Utilisation d’une unique observation spatiale
Utilisation d’une série temporelle d’observations spatiales
Utilisation d’une unique observation spatio-temporelle
Utilisation d’une série paramétrée d’observations spatiales

Les représentations numériques des observations utilisent toutes les possibilités décrites dans la Liste des types d’entrées possibles pour les variables utilisateurs. On spécialise ici leurs usages pour indiquer différentes manières possible d’écrire cette information.

Utilisation d’une unique observation spatiale¶

Cela fait référence à l’usage d’une série vectorielle dépendante uniquement de l’espace. Cette observation est de plus utilisée en une seule fois, c’est-à-dire en étant entièrement connue au début de l’analyse algorithmique. Cela peut par exemple être un champ spatial de mesures, ou de plusieurs champs physiquement homogènes ou pas.

La représentation mathématique est $\mathbf{y}^o\,\in\,\mbox{I\hspace{-.15em}R}^d$ .
La représentation numérique canonique est un vecteur.
La représentation numérique dans ADAO se fait avec le mot-clé « Vector ». La totalité de l’information, déclarée dans l’une des représentations suivantes, est transformée en un unique vecteur (remarque : listes et tuples sont équivalents) :
- variable « numpy.array » : numpy.array([1, 2, 3])
- variable « liste » : [1, 2, 3]
- chaîne de caractères : '1 2 3'
- chaîne de caractères : '1,2,3'
- chaîne de caractères : '1;2;3'
- chaîne de caractères : '[1,2,3]'
- fichier Python de données, avec variable « Observation » dans l’espace de nommage, indiqué par le mot-clé « Script » avec la condition Vector=True
- fichier texte de données (TXT, CSV, TSV, DAT), avec pointeur de variable par nom en colonne ou en ligne, indiqué par le mot-clé « DataFile » avec la condition Vector=True
- fichier binaire de données (NPY, NPZ), avec pointeur de variable par nom, indiqué par le mot-clé « DataFile » avec la condition Vector=True
Exemples de déclaration en interface TUI :
- case.setObservation( Vector = [1, 2, 3] )
- case.setObservation( Vector = numpy.array([1, 2, 3]) )
- case.setObservation( Vector = '1 2 3' )
- case.setObservation( Vector=True, Script = 'script.py' )`
- case.setObservation( Vector=True, DataFile = 'data.csv' )`
- case.setObservation( Vector=True, DataFile = 'data.npy' )`

Remarque d’utilisation : dans une étude donnée, seul le dernier enregistrement (que ce soit un vecteur unique ou une série de vecteurs) est utilisable, car un seul concept d’observation existe par étude ADAO.

Utilisation d’une série temporelle d’observations spatiales¶

Cela fait référence une série ordonnée vectorielle d’observations, dépendantes de l’espace et du temps. A un instant donné, on suppose que l’on ne connaît que les observations des instants courant et précédents. Les observations successives en temps sont indexées par $n$ , leur instant d’existence ou de référence. Cela peut par exemple être un champs spatial de mesures, physiquement homogènes ou pas, dont on considère un historique.

La représentation mathématique est $\forall\,n\in\{0...N\},\,\mathbf{y}^o_n\,\in\mbox{I\hspace{-.15em}R}^d$ .
La représentation numérique canonique est une série ordonnée de vecteurs.
La représentation numérique dans ADAO se fait avec le mot-clé « VectorSerie ». L’indexation courante de l’information est utilisée pour représenter l’index temporel lors de la déclaration dans l’une des représentations suivantes, et l’information est transformée en une série ordonnée de vecteurs (remarque : listes et tuples sont équivalents) :
- « liste » de « numpy.array » : [numpy.array([1,2,3]), numpy.array([1,2,3])]
- « numpy.array » de « liste » : numpy.array([[1,2,3], [1,2,3]])
- « liste » de « liste » : [[1,2,3], [1,2,3]]
- « liste » de chaîne de caractères : ['1 2 3', '1 2 3']
- « liste » de chaîne de caractères : ['1;2;3', '1;2;3']
- « liste » de chaîne de caractères : ['[1,2,3]', '[1,2,3]']
- chaîne de « liste » : '[[1,2,3], [1,2,3]]'
- chaîne de « liste » : '1 2 3 ; 1 2 3'
- fichier Python de données, avec variable « Observation » dans l’espace de nommage, indiqué par le mot-clé « Script » avec la condition VectorSerie=True
- fichier texte de données (TXT, CSV, TSV, DAT), avec pointeur de variable par nom en colonne ou en ligne, indiqué par le mot-clé « DataFile » avec la condition VectorSerie=True
- fichier binaire de données (NPY, NPZ), avec pointeur de variable par nom, indiqué par le mot-clé « DataFile » avec la condition VectorSerie=True
Exemples de déclaration en interface TUI :
- case.setObservation( VectorSerie = [[1,2,3], [1,2,3]] )
- case.setObservation( VectorSerie = [numpy.array([1,2,3]), numpy.array([1,2,3])] )
- case.setObservation( VectorSerie = ['1 2 3', '1 2 3'] )
- case.setObservation( VectorSerie = '[[1,2,3], [1,2,3]]' )
- case.setObservation( VectorSerie = '1 2 3 ; 1 2 3' )
- case.setObservation( VectorSerie=True, Script = 'script.py' )`
- case.setObservation( VectorSerie=True, DataFile = 'data.csv' )`
- case.setObservation( VectorSerie=True, DataFile = 'data.npy' )`

Remarque d’utilisation : dans une étude donnée, seul le dernier enregistrement (que ce soit un vecteur unique ou une série de vecteurs) est utilisable, car un seul concept d’observation existe par étude ADAO.

Utilisation d’une unique observation spatio-temporelle¶

Cette unique observation spatio-temporelle est similaire à la précédente dans sa représentation de série vectorielle, mais elle impose qu’elle doit être utilisée en une seule fois, c’est-à-dire en étant entièrement connue au début de l’analyse algorithmique. Elle est donc représentable comme une série indexée, de la même manière que pour une Utilisation d’une série temporelle d’observations spatiales.

Utilisation d’une série paramétrée d’observations spatiales¶

On représente cette fois une collection d’observations paramétrées par un indice ou un paramètre discret. Cette forme est encore similaire à la précédente. Elle est donc représentable comme une série indexée, de la même manière que pour une Utilisation d’une série temporelle d’observations spatiales.

Remarques générales sur les observations¶

Avertissement

Lorsque l’assimilation établit explicitement un processus itératif temporel, comme dans l’assimilation de données d’états, la première observation est non utilisée mais elle doit être présente dans la description des données d’un cas ADAO. Par convention, elle est donc considérée comme disponible au même instant que la valeur temporelle d’ébauche, et ne conduit pas à une correction à cet instant là. La numérotation des observations commençant à 0 par convention, ce n’est donc qu’à partir du numéro 1 que les valeurs d’observations sont utilisées dans les algorithmes itératifs temporels.

Les observations peuvent être fournies par pas de temps uniques ou par fenêtres successives pour les algorithmes itératifs. Dans ce cas, on doit fournir à chaque itération algorithmique relative à une fenêtre temporelle une série d’observations. Dans la pratique, pour chaque fenêtre, on fournit une série comme lors d’une Utilisation d’une série temporelle d’observations spatiales.

Les options d’acquisition d’observations sont plus riches en interface textuelle TUI, toutes les options n’étant pas obligatoirement disponibles dans l’interface graphique GUI.

Pour l’entrée de données par fichiers, on se reportera à la description des possibilités autour du mot-clé « DataFile » dans les Pseudo-types de description informatique des données.